EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 1: 157 - 168

DOI: https://doi.org/10.11821/dlyj201501014

Orginal Article

Railway passenger transport spatial contacts and their structure Tupu of central cities in China

  • WANG Haijiang , 1, 2, 3 ,
  • MIAO Changhong , 2, 3
Expand
  • 1. School of Surveying & Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, Henan, China
  • 2. Key Research Institute of Yellow River Civilization and Sustainable Development, Henan University, Kaifeng 475004, Henan, China
  • 3. College of Environment & Planning, Henan University, Kaifeng 475004, Henan, China

Received date: 2014-05-15

  Request revised date: 2014-10-12

  Online published: 2015-01-10

Copyright

《地理研究》编辑部
Fold

Abstract

On the basis of current interactive connection of railway passenger transport between 286 central cities in China and the analysis of different passenger train types-local, rapid, express, multiple units and high-speed railway, the paper intends to comprehensively deconstruct the spatial pattern of national railway passenger transport and its structure characteristics by using GIS methods based on O-D contact network, whose goal is to reveal the national railway passenger spatial contacts, distribution regularity and regional difference more clearly and profoundly, as well as new technical ideas and more data for transportation spatial connect research by means of making use of central cities' interactive connection data of "city-train-city" and overcoming the problem that traditional railway connection only has the information between origination and destination and lacks that of the intermediate stations. The results show that the spatial framework of national railway passenger transport between central cities presents an eastward tilted “kai” font shape, which mainly consists of two vertical train lines: Beijing-Shanghai to Shanghai-Shenzhen, Beijing-Guangzhou to Beijing-Harbin, and two horizontal lines: Lanzhou-Lianyungang to Lanzhou-Urumqi and Shanghai-Kunming. The linkage of national railway passenger transport between central cities is characterized by Rank-Size distribution, which belongs to the most optimal centralized distribution in natural state. The connection of national railway passenger transport between central cities generally relies on important transport axis and neighbor core cities. This study clearly demonstrates the major contact directions and corresponding intensities between inter and outer railway transports in a given subdivision types of train number. The study shows that the rapid train dominates the current railway passenger transport in China. The rapid development of the multiple units and high-speed railway technology has greatly changed the structure of Chinese railway passenger transport. The contacts of multiple units and high-speed railways concentrate in three economic regions of eastern China. However, there is a tighter linkage between Beijing and Shanghai, as well as Beijing and Guangzhou compared with that between Shanghai and Guangzhou (Shenzhen). A relative weak contact between Shanghai and Guangzhou (Shenzhen) is attributed to the infrastructure of high-speed railway facilities lagging behind.

Key words： central city of China; railway passenger transport; spatial contact; spatial structure

Cite this article

WANG Haijiang , MIAO Changhong . Railway passenger transport spatial contacts and their structure Tupu of central cities in China[J]. GEOGRAPHICAL RESEARCH, 2015 , 34(1) : 157 -168 . DOI: 10.11821/dlyj201501014

1 引言

铁路作为国民经济大动脉、国家重要基础设施和大众化交通工具,在中国经济社会发展中的地位和作用至关重要。经济地理、交通地理学者围绕着交通运输空间联系理论构建、交通运输与区域发展关系、交通网络与空间结构演化等主题开展了大量研究工作[1-8],奠定了交通运输联系的理论研究基础。
在铁路交通领域相关成果也持续涌现,如国外关于高铁的区域效应、交通可达性、铁路物流分布及其空间结构等研究[9-13]。国内主要有关于区域间铁路货运联系[14]及O-D分布特征[15],铁路客运网络组织与空间服务系统优化[16,17],城际空间相互作用与铁路客运网络结构演化[18],铁路网扩展及其空间通达性[19],省际交通可达性及经济联系格局[20],铁路网络与城市等级体系关系[21],宁西铁路沿线经济带的构建[22],青藏铁路建设对沿线经济结构和经济布局的影响[23],高速铁路对城市空间结构的影响[24]等研究。触及交通运输及铁路联系的诸多层面,空间尺度从全国、区域、交通轴线至单条铁路线,研究层次从基础理论、方法体系、技术手段到个案分析,研究视角从空间格局、网络结构、演变规律、区域效应至地域差异等,体现了地理学理论演绎与实证分析密切结合的研究特色。
传统铁路联系研究的数据基础较多的是依据“始发—终点”客运信息,而客运列车还有诸多中间站点由于数据获取及处理难度往往被忽略掉,这样中间站点缺失的数据基础难以清晰完整反映铁路联系的实际情况。本研究依据全国尺度的铁路客运信息,从地级城市角度解构每一开行车次的途经站点,构建全国地级城市之间完整的交互式铁路客运联系数据,并综合运用ArcGIS网络与空间分析技术,精细刻画全国中心城市之间铁路客运联系空间集聚、网络结构与区域分布特征,从而能更加清晰准确的展现中国铁路客运空间联系与结构特征。

2 数据来源与研究方法

研究的空间尺度与样本为全国286个地级城市,空间联系数据由2013年9月于铁路客运时刻网络查询系统得到,为各个地级城市实际运营的铁路客运信息。
对于286个地级城市之间交互式的铁路客运联系,其理论上的全部空间联系连接数应为286×285=81510条。由铁路客运网络查询系统得到某一城市所经过的车次只有“始发—终点”信息,如果能够查询全部地级城市样本,其数据整体实际上已经隐含了每一车次所经城市的全部信息,关键是如何从中抽取出任意两城市间交互式空间联系的车次数量及类型信息。研究方法是首先逐一查询各城市所开行的列车车次信息,得到每一城市的每天开行列车车次及数量,然后按照车次对全部城市进行分类汇总,得到每一车次所经过的城市数据列表。这样,处在同一车次数据列表里的城市之间就存在着一个铁路空间联系,即“城市—车次—城市”,对每一车次数据列表中的城市进行交互式的排列组合,就得到在该车次下的交互式“城市—城市”关联。汇总全部车次的空间关联,即得到全国地级城市之间全部的交互式空间联系数。本研究在实际数据整理过程中按照普快、快速、特快、动车和高铁等分车次类型进行汇总,以期获得更加精细的结构数据。
由于城市之间的铁路客运联系数据非常庞大,通过ArcGIS空间网络分析法,将全国地级城市进行理论意义上的空间连接,得到理想状态下的全部O-D网络连接路径(空间联系线),与实际存在铁路联系进行对接,剔除掉不存在客运联系的路径,一共得到实际运营的联系路径19779条,进而依据城市开行客运车次数量和各城市间交互式空间联系数,即可进行铁路交通运输空间联系及其分布规律方面的研究。考虑到城市之间交互式铁路运营里程获取难度较大,用两城市之间的空间距离代替运距,由ArcGIS软件依各城市经纬度直接计算出来。由于空间网络分析必须以区域相连通为前提,海口、三亚及舟山没有参与网络分析,但仍纳入相关的统计分析,港澳台不在研究范围。

3 铁路客运联系的空间分布格局

依据上述研究方法,运用ArcGIS软件,将全国地级城市开行列车数量、城市之间铁路客运联系车次数量分别进行分级展现,得到全国中心城市铁路客运联系的空间分布格局图(图1)。将全国中心城市按开行班次的数量规模进行空间展现,并与全国铁路线路进行空间复合,得到全国铁路客运班次空间分布图(图2)。
Fig. 1 China's central cities railway passenger transport connects spatial pattern

图1 中国中心城市铁路客运联系空间格局

Fig. 2 China's central cities railway passenger transport train schedule spatial structure

图2 全国中心城市铁路客运班次空间分布

全国中心城市铁路空间联系总体上呈现向东倾斜的“开”字型分布格局,即由京沪—沪深线(沿海轴)、京广—京哈线两纵轴与陇海—兰新线、沪昆线两横轴相互交汇而成全国铁路客运的骨架,这与全国国土空间的经济发展水平、人口分布格局相吻合,体现了国家经济与人口发展的总体态势。这主要是铁路客货运输为交通联系的主体,尤其是中长距离的交通运输,经济与人口的集聚区域是客货运输等经济活动的发源地与目的地,中国沿海轴线、京广—京哈轴线、陇海—兰新等轴线一方面是城市人口与产业集聚的轴带,同时也是包括铁路在内的各种交通方式集聚的区域,密切的经济联系必然催生出紧密的交通联系。全国铁路联系较多地表现为南北向、东西向,并且南北向的联系要远大于东西向,如运量较大的南北向铁路干线有京广线、京沪线、京哈线、京九线等,它们整体上开行的列车数量明显高于东西向的陇海线、沪昆线、兰新线等干线,这反映出中国经济与人口的重心在中部和东部地区,中部和东部区域内的经济与人员交流是全国经济联系的主体,如京津冀与长三角、珠三角经济区之间的铁路客运联系最为密切。
全国铁路客运联系明显呈现经济中心的空间集聚性,全国性的三大集聚核心区分别为京津地区的北京—天津、长三角的上海—南京—杭州、珠三角的广州—深圳,其中的北京、上海、广州为全国铁路客运联系最为密集的出发地与目的地。
全国中心城市的空间分布态势与全国主要铁路干线的空间布局高度拟合,大小城镇沿着铁路干线呈串珠状分布,显示城镇体系形成和演化与铁路网的建设和发展有着密不可分的关联。基于各区域经济发展水平、人口规模、地理区位、集聚能力、城市功能定位等的不同,区域内的资源、人口、产业等各要素,通过各种交通设施不断向区域内的中心城市流动、集聚,形成与区域发展水平相适应的各级中心城市。同时,区域中心城市的强大集聚与辐射能力又进一步强化和提升了交通基础设施的建设水平。这样,中心城市与交通设施两者相互作用、相互影响、长期耦合,分别形成区域空间结构的核心节点与骨架。
比较全国中心城市之间铁路客运联系量(表1),对于全部车次,上海—苏锡常—南京之间的铁路客运联系最为密集,其次为广州—深圳之间,且两者都高于京津之间的铁路联系量。反映出长三角经济区内部的经济联系极为密切,区域内交通一体化程度最高,是中国区域交通连接及区域一体化发展最为成熟的地区。细分不同铁路客运类型来看,城市与区域之间的铁路联系类型差异极大。对于普快类型,联系较为密集的区域主要集中在东北地区的沈阳—长春—哈尔滨及其相邻中心城市之间。动车组开行较多的主要集中在珠三角的广州—深圳—东莞之间、海西经济区的福州—厦门—泉州—莆田之间。高铁开行较多的则主要集中在长三角的各中心城市之间。快速与特快列车的空间分布相对分散和均衡。
Tab. 1 The top 10 linkages by railway passenger transport in China

表1 全国中心城市间铁路客运联系量前10名

全部车次 普快 动车(D字头) 高铁(G字头) 快速(K字头) 特快(T字头)
联系 车次 联系 车次 联系 车次 联系 车次 联系 车次 联系 车次
上海—南京 419 沈阳—四平 42 广州—东莞 172 上海—南京 244 株洲—衡阳 98 武汉—郑州 43
上海—苏州 362 长春—四平 38 广州—深圳 172 上海—苏州 196 广州—韶关 95 北京—石家庄 42
上海—无锡 355 天津—唐山 37 深圳—东莞 172 上海—无锡 186 杭州—金华 94 长沙—武汉 41
南京—无锡 341 沈阳—长春 36 福州—厦门 160 南京—苏州 171 广州—衡阳 92 郑州—长沙 37
南京—苏州 338 沈阳—铁岭 35 福州—泉州 138 南京—无锡 167 衡阳—韶关 91 郑州—石家庄 30
苏州—无锡 320 长春—哈尔滨 35 福州—莆田 130 苏州—无锡 154 金华—鹰潭 86 广州—长沙 29
上海—常州 289 铁岭—四平 33 厦门—泉州 120 广州—长沙 144 广州—郴州 85 广州—武汉 29
南京—常州 287 哈尔滨—四平 33 厦门—莆田 111 上海—常州 138 韶关—郴州 85 武汉—石家庄 28
苏州—常州 278 沈阳—哈尔滨 31 吉林—长春 97 南京—常州 132 衡阳—郴州 81 石家庄—邯郸 26
广州—深圳 273 长春—铁岭 30 泉州—莆田 95 苏州—常州 126 株洲—韶关 79 广州—韶关 26

4 铁路客运中心的规模分布

人类各种经济社会活动都具有不同程度的空间集聚特性,铁路运输作为一种传统的经济活动行为也不例外。汇总各城市全部车次及其不同类型车次开行列车数量,并分别对各中心城市依据车次数量规模进行排序,发现全国中心城市的铁路客运联系服从类似城市体系的位序—规模分布特征,其分布的最佳拟合曲线为对数曲线(表2、图3)。
Tab. 2 Regression analysis of central cities railway passenger transport rank-size rule

表2 全国中心城市铁路客流位序—规模分布的回归分析

车次类型 回归曲线 R2值
全部车次 lnP = 8.729-1.051 lnR 0.749
动车 lnP = 7.405-1.169 lnR 0.790
特快 lnP = 5.871-0.921 lnR 0.813
普快 lnP = 6.048-0.913 lnR 0.857
高铁 lnP = 6.563-0.886 lnR 0.935
快速 lnP = 7.210-0.860 lnR 0.688
Fig. 3 Central cities railway passenger transport rank-size rule

图3 中心城市铁路客运的位序—规模分布

标准的位序—规模分布为齐夫准则即Zipf模型[25],广泛应用的是Lotka模式[26],公式为:
P i = P 1 R i - q ( R i = 1,2 , … , n ) (1)
式中:n为城市数量;Ri为i城市铁路客流规模位序;Pi为i城市铁路客流规模;P1为理想的首位城市铁路客流规模;q为Zipf指数。将上述模型进行对数变换,得到:
ln P i = ln P 1 - qln R i (2)
Zipf指数q也被称作集中指数,依其大小可划分为:首位型(q≥1.2),集中型(0.85<q<1.2),分散均衡型(q≤0.85),其中当q=1时,城市体系处于自然状态下集中型的最优分布[27,28]。
针对全国中心城市铁路客流情形,全部车次的集中指数为1.051,趋近于1,表明中国铁路客运目前整体上处在一种较理想的分布状态,属于自然状态下集中型的空间最优分布。对于动车组类型,集中指数为1.169,趋近于1.2,虽然为集中型分布,但又表现出一定的首位型特征,即动车组运行的特大城市集聚特征较明显,表明动车组开行的门槛较高。特快、普快和快速列车为集中型分布,但对于快速列车,其开行的车次比例占到全国的44.04%,其集中指数为0.860,趋近于0.85,表明作为中国目前客运量最大,开行车次最多的快速列车,其在全国呈现由集中型向分散均衡过渡的分布态势。对于高铁,其集中指数为0.886,虽然为集中型分布,但由于目前全国开行高铁的城市相对较少,在已经开行高铁的城市中,其分布趋于向分散均衡过渡。

5 铁路客运的主要联系方向

依据各省区主要中心城市(省会及副中心)与全国其他中心城市之间铁路客运联系的主要城市及相应的车次数量,可以明确判识各中心城市区内外的铁路客运主要联系方向与联系强度(开行车次数量)(表3)。
Tab. 3 Main railway passenger transport contact directions and their intensity in major cental cities of China

表3 全国主要中心城市铁路客运主要联系方向及车次数量

主要中心城市 铁路联系车次数 铁路客运连接率 主要联系方向
(依铁路客运联系车次数量排序前10名)
全部车次 普快 动车 高铁 快速 特快
北京 3976 287 501 1197 1191 570 0.74 天津、石家庄、济南、保定、郑州、南京、上海、邯郸、德州、徐州
天津 2772 430 333 253 1237 338 0.54 北京、唐山、德州、沧州、济南、沈阳、锦州、徐州、南京、长春
石家庄 2584 116 64 589 1228 558 0.57 北京、郑州、保定、邯郸、邢台、安阳、新乡、武汉、太原、阳泉
太原 853 179 29 134 405 77 0.46 石家庄、阳泉、北京、保定、忻州、吕梁、衡水、运城、西安、郑州
呼和浩特 283 144 0 0 106 33 0.26 包头、北京、大同、乌海、石嘴山、银川、天津、白银、兰州、通辽
沈阳 2550 470 554 0 1238 272 0.52 长春、四平、唐山、哈尔滨、大连、锦州、鞍山、铁岭、天津、葫芦岛
大连 722 140 320 0 210 48 0.22 沈阳、鞍山、长春、辽阳、四平、哈尔滨、营口、铁岭、齐齐哈尔、吉林
长春 1765 345 482 0 750 186 0.47 沈阳、四平、哈尔滨、吉林、铁岭、唐山、大连、锦州、天津、鞍山
哈尔滨 1362 350 245 0 590 173 0.41 沈阳、长春、四平、铁岭、大庆、唐山、齐齐哈尔、绥化、锦州、天津
上海 4616 127 1012 1476 1624 355 0.64 南京、苏州、无锡、常州、杭州、镇江、嘉兴、徐州、济南、北京
南京 3983 188 731 1334 1466 243 0.61 上海、无锡、苏州、常州、镇江、徐州、济南、蚌埠、北京、合肥
杭州 2816 163 632 333 1458 207 0.59 上海、嘉兴、金华、鹰潭、衢州、南京、宁波、上饶、温州、苏州
宁波 922 0 574 0 333 0 0.31 杭州、绍兴、温州、台州、福州、上海、宁德、厦门、嘉兴、泉州
合肥 1591 79 369 221 885 33 0.44 南京、无锡、苏州、上海、常州、镇江、六安、武汉、淮南、芜湖
福州 1167 38 832 0 293 0 0.35 厦门、泉州、莆田、温州、宁德、宁波、杭州、台州、南平、上海
厦门 927 8 640 0 279 0 0.31 福州、泉州、莆田、漳州、龙岩、宁德、温州、宁波、杭州、台州
南昌 1686 157 112 0 1207 193 0.53 九江、鹰潭、吉安、武汉、赣州、惠州、黄石、东莞、鄂州、阜阳
济南 2630 294 393 866 999 78 0.57 北京、南京、徐州、上海、德州、天津、沧州、淄博、潍坊、枣庄
青岛 772 55 165 163 363 26 0.37 济南、潍坊、淄博、北京、德州、天津、徐州、沧州、唐山、沈阳
郑州 3874 274 139 840 1930 691 0.62 武汉、石家庄、西安、北京、洛阳、长沙、商丘、邯郸、信阳、漯河
武汉 3856 109 471 1003 1595 641 0.62 长沙、广州、郑州、岳阳、衡阳、信阳、郴州、韶关、石家庄、驻马店
长沙 2723 35 97 948 1164 477 0.45 广州、武汉、衡阳、岳阳、韶关、株洲、郴州、郑州、咸宁、信阳
广州 3278 12 539 881 1376 467 0.59 深圳、长沙、东莞、韶关、郴州、衡阳、武汉、株洲、岳阳、郑州
深圳 1373 14 344 326 558 126 0.38 广州、东莞、长沙、韶关、郴州、衡阳、惠州、赣州、吉安、武汉
南宁 560 50 0 0 433 77 0.31 柳州、桂林、来宾、永州、株洲、玉林、衡阳、贵港、百色、昆明
重庆 923 10 38 0 825 50 0.48 达州、广安、成都、安康、怀化、株洲、遵义、贵阳、襄阳、十堰
成都 1304 46 82 0 1053 123 0.52 遂宁、绵阳、南充、德阳、广元、达州、重庆、宝鸡、安康、襄阳
贵阳 970 8 0 0 905 57 0.39 怀化、安顺、六盘水、娄底、株洲、湘潭、遵义、曲靖、昆明、鹰潭
昆明 614 10 0 0 553 51 0.38 曲靖、六盘水、贵阳、安顺、怀化、娄底、湘潭、百色、南宁、成都
西安 2208 208 46 287 1272 376 0.55 郑州、洛阳、宝鸡、三门峡、渭南、兰州、天水、咸阳、武汉、石家庄
兰州 1056 109 0 0 599 342 0.32 宝鸡、天水、西安、郑州、定西、武威、张掖、金昌、洛阳、嘉峪关
西宁 254 0 0 0 154 100 0.18 兰州、西安、宝鸡、天水、郑州、拉萨、洛阳、三门峡、定西、徐州
银川 285 52 0 0 195 38 0.24 石嘴山、包头、乌海、北京、固原、平凉、呼和浩特、白银、兰州、西安
乌鲁木齐 416 55 0 0 175 186 0.23 张掖、金昌、武威、嘉峪关、兰州、宝鸡、天水、西安、酒泉、郑州
拉萨 67 0 0 0 6 61 0.07 西宁、兰州、西安、宝鸡、郑州、成都、重庆、武汉、长沙、南京

注:铁路客运连接率为某一城市与全国其他城市实现铁路客运连接的比例,即与该城市实现铁路连接的城市数与全国城市总数的比值。

上海的对外铁路客运联系车次最为密集,然后依次为南京、北京、郑州、武汉等,而铁路客运联系较少的有西宁、银川、拉萨、呼和浩特等。从全国铁路客运连接率来看,连接率较高的依次为北京、上海、郑州、武汉、南京、杭州、广州等,连接率较低的有呼和浩特、银川、乌鲁木齐、大连、西宁、拉萨等。表明中心城市的对外铁路联系一方面与区域人口经济发展的规模与水平相关,同时,铁路联系也与城市所在的海陆自然地理区位关系密切。如郑州、武汉等中部腹地中心城市对外铁路联系较多,而南宁、西藏、大连、青岛等边疆省区或沿海半岛区位的城市对外铁路客运联系较少,类似南宁、西藏、大连、青岛等中心城市虽然其铁路客运联系相对较弱,但其对外的交通联系将会由其他如航空、海运、公路等方式来替代和补充。
考察全国中心城市的主要联系方向,总体上依托大的交通轴线以近域核心城市间的联系为主。每一中心城市的主要联系方向首先是与其所在省域或城市群内的邻近中心城市之间的区内联系为主,区外主要联系方向则是邻近省区或城市群的主要核心城市之间的联系,空间联系的主要路径为各中心城市所处的大的铁路交通轴线。如北京的铁路客运在京津冀的区内主要联系方向为天津、石家庄、保定、邯郸等方向,区外联系主要为山东济南、德州、河南郑州、江苏南京、徐州及上海等方向。北京的对外联系首要路径为沿京沪交通轴线南下的上海方向,联系的车次类型以高铁和快速为主。对于上海,在长三角的区内联系集中于的苏锡常、南京、杭州、镇江等方向,区外联系则主要沿着京沪交通轴线北上路径联系徐州、济南和北京等城市,这与北京的区外主要联系相呼应,上海的区内外铁路联系车次类型主要为快速,高铁和动车。广州在长珠三角的区内联系方向主要是深圳、东莞和韶关,区外联系则主要是沿着京广交通轴线北上联系长沙、郴州、衡阳、武汉、株洲、郑州等方向。

6 铁路客运联系的空间结构图谱

在高速动车组、高速铁路快速发展的今天,传统的铁路客运方式依然存在,各交通运输方式相互协调,相互补充,共同承担着全国铁路交通运输功能。通过将各中心城市按客运车次类型进行分类汇总,并对其空间分布及空间联系的结构图谱进行空间展现(图4),发现不同的铁路客运运输方式的结构比例与空间布局存在着巨大的差异。
Fig. 4 Spatial structure atlas of railway passenger transport connects in central cities of China

图4 全国中心城市铁路客运联系的空间结构图谱

从各类型车次的整体结构比例上来看,快速列车开行车次数量最多,占全国比例为44.04%,是中国目前铁路客运的主体。动车和高铁开行比例分别为18.63%、15.77%,普快与特快则分别为11.10%和8.63%。由于中国动车组、高铁分别于2007年和2008年先后投入运营,短短几年时间内,两者开行列车比例总计已占到全国的34.4%,显示出中国高速铁路交通发展速度极其惊人,在极短的时间内改变了中国铁路客运的整体结构比例,并将继续深刻地影响着全国铁路交通运输方式的技术变革。
普快列车主要集中在北方,即东北及华北地区,南方及其东南沿海经济发达区域的普快车次比例相对较小。纠其原因,东北及华北地区是中国传统的老工业基地,是铁路交通发展历史久远的区域,近些年传统老工业基地资源不断枯竭,经济转型任务艰巨,经济发展相对较为滞缓,铁路交通运输技术的更新相对较慢,使得该区域还较多保留着运行速度较慢、技术相对落后的普快列车。而东南沿海地区则相反,新兴的现代工业体系发展迅速,支撑着铁路交通运输技术的快速更新,动车组及高铁技术的快速大量应用,不断的取代着传统的交通运输方式。
对于快速列车,由于其为中国目前开行车次最多,比例最高的车次类型,快速列车在全国的区域分布最为均衡。作为中国铁路客运主体,快速列车的空间分布也体现出了国家铁路客运交通布局的总体特性,即向东倾斜的“开”字型结构特征明显。
特快列车是全国开行车次最少、开行比例最小的类型,主要集中分布在京哈—京广线、陇海—兰新线、京沪等大的铁路干线上,整体呈现以郑州为中心的大“十”字型结构。
动车和高铁车次类型近些年发展迅速,不断有新的客运专线及车次相继开行。对于动车联系,主要是上海、杭州、南京等长三角核心城市与海西经济区、京津冀城市群、武汉城市圈的联系,另有京津冀与东北、山东半岛、中原经济区之间,中原经济区与关中城市群之间,成渝、珠三角等城市群内部的动车联系也相对较多。对于高铁联系,全国主要有两条联系路径,其一是京津冀、山东半岛、长三角之间通过京沪客运专线实现的京沪联系,其二是京津、中原、武汉、长株潭、珠三角之间通过京广客运专线实现的京广联系,另有石家庄—西安的石太客运专线、郑州—西安的郑西客运专线等高铁联系。
总体上考察动车与高铁的全国分布状况,中国长三角、京津冀、珠三角三大经济区之间的高速铁路联系存在较大差异,京沪、京广方向的高速铁路联系较强,而沪广(深)较弱。截止研究数据采集时段(2013年9月),长三角与海西经济区通过沪深线甬漳段实现了动车联系,而福建与广东的厦深高铁尚未开通,上海、福建、广东之间的高铁联系为空白。所以,沟通长三角和珠三角经济区的沪深高铁全线早日贯通和运营,对完善全国高速铁路空间布局,强化东南沿海经济发达区域之间的经济联系意义重大。

7 结论与讨论

(1)依据全国地级城市之间交互式的“城市—车次—城市”铁路客运联系数据,解决传统铁路联系研究数据基础只有“始发—终点”信息而缺失中间站点的不足,准确获取了全国地级城市间巨量的交互式铁路客运联系数据,从而能够深刻揭示全国铁路客运空间联系与结构特征,为交通运输空间联系研究提供新的技术思路和数据支撑。
(2)应用基于O-D网络的GIS空间分析方法,从普快、快速、特快、动车和高铁等分车次类型的角度比较分析全国铁路客运联系空间格局,更加精细的刻画铁路客运联系的空间分布、结构差异及其图谱特征。
(3)全国中心城市铁路空间联系分布格局总体呈现向东倾斜的“开”字型结构,即由京沪—沪深线(沿海轴)、京广—京哈线两纵轴与陇海—兰新线、沪昆线两横轴相互交汇形成全国铁路客运的骨架。这与全国国土空间的经济发展水平、人口分布格局相吻合,体现了国家经济与人口发展的整体态势。全国铁路联系较多的表现为南北向、东西向,并且南北向的联系要远大于东西向。
(4)全国中心城市的铁路客运联系服从类似城市体系的位序—规模分布特征,全部车次的集中指数趋近于1,表明中国铁路客运目前整体上处在一种较理想的分布状态,属于自然状态下集中型的空间最优分布,这是全国各中心城市的经济发展、人口集聚等与其对外铁路交通联系之间相互作用、相互影响、长期耦合、优化组合而形成的分布态势。
(5)全国铁路客运联系明显呈现经济中心的空间集聚性,全国性的三大集聚核心区分别为京津地区的北京—天津、长三角的上海—南京—杭州、珠三角的广州—深圳,其中的北京、上海、广州为全国铁路客运联系最为密集的出发地与目的地。全国中心城市铁路客运联系总体上依托大的交通轴线以近域核心城市间的联系为主,研究清晰给出了细分车次类型的全国中心城市的区内外铁路客运联系的主要联系方向。
(6)全国高速铁路联系集中表现为东部三大经济区间的联系,京沪和京广之间联系密切,沪广(深)之间的联系受制于两者间高速铁路交通设施建设的滞后,铁路方面的空间联系相对较弱,应引起相关部门注意。
(7)快速列车是目前中国铁路客运的主体,普快列车主要开行在东北及华北地区,特快列车全国开行车次最少,动车及高铁技术的迅速发展极大改变了中国铁路客运的整体结构比例。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈航, 张文尝, 金凤君, 等. 中国交通地理. 北京: 科学出版社, 2000.

[Chen Hang, Zhang Wenchang, Jin Fengjun, et al.Geography of Chinese Transportation. Beijing: Science Press, 2000.]

[2]
张文尝, 金凤君, 荣朝和, 等. 空间运输联系: 理论研究、实证分析、预测方法. 北京: 中国铁道出版社, 1992.

[Zhang Wenchang, Jin Fengjun, Rong Chaohe, et al.Spatial Transport Linkage: Theoretical Study, Empirical Analysis and Forecasting Methods. Beijing: China Railway Press, 1992.]

[3]
张文尝, 金凤君, 樊杰, 等. 交通经济带. 北京: 科学出版社, 2002.

[Zhang Wenchang, Jin Fengjun, Fan Jie, et al. Traffic Economic Belt. Beijing: Science Press, 2002.]

[4]
张文尝, 金凤君, 唐秀芳. 空间运输联系的生成与增长规律研究. 地理学报, 1994, 49(5): 440-448.

[Zhang Wenchang, Jin Fengjun, Tang Xiufang.Distribution and exchange regularities of spatial transport linkage. Acta Geographica Sinica, 1994, 49(6): 490-499.]

[5]
张文尝. 中国客流的影响因素及其地域差异的研究. 地理学报, 1988, 43(3): 191-200.

[Zhang Wenchang.Spatial differentiation of passenger traffic and its determining factors in China. Acta Geographica Sinica, 1988, 43(3): 191-200.]

[6]
张文尝. 关于地域间客运联系的研究. 地理科学, 1988, 8(4): 313-322.

[Zhang Wenchang.Tile research on passenger interflow among regions in China. Scientia Geographica Sinica, 1988, 8(4): 313-322.]

[7]
张文尝. 80年代以来中国区域旅客生成特征分析. 地理科学, 2004, 24(4): 385-391.

[Zhang Wenchang.Patterns and dynamics of regional passenger flows in China since the 1980s. Scientia Geographica Sinica, 2004, 24(4): 385-391.]

[8]
蒋洪旭, 赵方冉, 李小英, 等. 交通轴线约束下的中国区域经济分布特征. 地理科学进展, 2010, 29(10): 1225-1232.

[Jiang Hongxu, Zhao Fangran, Li Xiaoying, et al.Distribution of regional economy in China based on transportation axis. Progress in Geography, 2010, 29(10): 1225-1232.]

[9]
Masson S, Petiot R.Can the high speed rail reinforce tourism attractiveness? The case of the high speed rail between Perpignan (France) and Barcelona (Spain). Technovation, 2009, 29(9): 611-617.

[10]
Andersson D E, Shyr O F, Fu J.Does high-speed rail accessibility influence residential property prices? Hedonic estimates from southern Taiwan. Journal of Transport Geography, 2010, 18(1): 166-174.

[11]
Ullman E L. American Commodity Flow.Seattle: University of Washington Press, 1957.

[12]
Berry B J.Essays on Commodity Flows and the Spatial Structure of the Indian Economy. Chicago: University of Chicago Press, 1996.

[13]
Gutierrez J.Location, economic potential and daily accessibility: An analysis of the accessibility impact of the high-speed line Madrid-Barcelona-French border. Journal of Transport Geography, 2001, 9(4): 229-242.

[14]
金凤君, 张文尝. 省级区域铁路货运联系的系统研究. 地理科学, 1991, 11(1): 19-29.

[Jin Fengjun, Zhang Wenchang.Research on interprovincial transport linkage in railway freight system. Scientia Geographica Sinica, 1991, 11(1): 19-29.]

[15]
徐刚. 地区间铁路货物运输OD分布特征分析. 中国铁道科学, 2002, 23(2): 118-121.

[Xu Gang.Study on inter-region origination and destination distribution. China Railway Science, 2002, 23(2): 118-121.]

[16]
王姣娥, 金凤君. 中国铁路客运网络组织与空间服务系统优化. 地理学报, 2005, 60(3): 371-380.

[Wang Jiao'e, Jin Fengjun. Railway network organization and spatial service system optimization in China. Acta Geographica Sinica, 2005, 60(3): 371-380.]

[17]
Wang Jiaoe, Jin Fengjun, Mo Huihui, et al.Spatiotemporal evolution of China's railway network in the 20th century: An accessibility approach. Transportation Research Part A, 2009, 43(8): 765-778.

[18]
戴特奇, 金凤君, 王姣娥. 中国1990年代城际空间相互作用与网络结构演化研究: 从城际铁路客流的角度. 地理科学进展, 2005, 24(2): 80-89.

[Dai Teqi, Jin Fengjun, Wang Jiao'e. Spatial interaction and network structure evolvement of cities in terms of China's railway passenger flow in 1990s. Progress in Geography, 2005, 24(2): 80-89.]

[19]
金凤君, 王姣娥. 20世纪中国铁路网扩展及其空间通达性. 地理学报, 2004, 59(2): 293-302.

[Jin Fengjun, Wang Jiao'e. Railway network expansion and spatial accessibility analysis in China: 1906-2000. Journal of Geographical Science, 2004, 59(2): 293-302.]

[20]
孟德友, 陆玉麒. 基于铁路客运网络的省际可达性及经济联系格局. 地理研究, 2012, 31(1): 107-122.

[Meng Deyou, Lu Yuqi.Analysis of inter-provincial accessibility and economic linkage spatial pattern based on the railway network. Geographical Research, 2012, 31(1): 107-122.]

[21]
钟业喜, 陆玉麒. 基于铁路网络的中国城市等级体系与分布格局. 地理研究, 2011, 30(5): 765-794.

[Zhong Yexi, Lu Yuqi.Hierarchical structure and distribution pattern of Chinese urban system based on railway network. Geographical Research, 2011, 30(5): 765-794.]

[22]
郭荣朝, 顾朝林. 宁西铁路沿线经济带构建研究. 地理科学, 2004, 24(4): 413-418.

[Guo Rongchao, Gu Chaolin.Building of economic belt along Nanjing-Xi'an railway. Scientia Geographica Sinica, 2004, 24(4): 413-418.]

[23]
王礼茂, 方叶兵. 青藏铁路建设对沿线经济结构和经济布局的影响. 经济地理, 2010, 25(1): 49-51.

[Wang Limao, Fang Yebing.Influence of the Qinghai-Tibet's railway development on economic structure and economic layout along the line. Economic Geography, 2010, 25(1): 49-51.]

[24]
王姣娥, 丁金学. 高速铁路对中国城市空间结构的影响研究. 国际城市规划, 2011, 26(6): 49-54.

[Wang Jiao'e, Ding Jinxue. High-speed rail and its impacts on the urban spatial structure of China. Urban Planning International, 2011, 26(6): 49-54.]

[25]
Zipf G K.Human Behaviour and the Principle of Least Effort. New York: Hafner Publishing Company, 1949.

[26]
周一星, 于海波. 中国城市人口规模结构的重构. 城市规划, 2004, 28(6): 49-55.

[Zhou Yixing, Yu Haibo.Reconstructing city population size hierarchy of China based on the fifth population census. City Planning Review, 2004, 28(6): 49-55.]

[27]
戈冬梅, 吴玉鸣. 江西旅游规模差异及其位序规模体系分析. 旅游学刊, 2008, 23(9): 44-48.

[Ge Dongmei, Wu Yuming.Disparity of tourism scale in Jiangxi and an analysis of its system for rank-size distribution. Tourism Tribune, 2008, 23(9): 44-48.]

[28]
程开明, 庄燕杰. 城市体系位序规模特征的空间计量分析: 以中部地区地级以上城市为例. 地理科学, 2012, 32(8): 905-912.

[Cheng Kaiming, Zhuang Yanjie.Spatial econometric analysis of the rank-size rule for urban system: A case of prefectural-level cities in China's middle area. Scientia Geographica Sinica, 2012, 32(8): 905-912.]

Options
Outlines

/

〈 〉